Kowa am 17. April 2020 um 11:29 Uhr

2020-04-17T11:29:02Z

← Nächstältere Version		Version vom 17. April 2020, 11:29 Uhr
Zeile 4:		Zeile 4:
	\|modulart=Wahlpflichtmodul		\|modulart=Wahlpflichtmodul
	\|modulkatalog=Informatik		\|modulkatalog=Informatik
	\|name_en=~~Computergraphics~~		\|name_en=Neural Networks and Deep Learning
			\|kuerzel=NEURONE.WP
	\|verwendbarkeit=Bachelorstudiengang Interaktive Medien		\|verwendbarkeit=Bachelorstudiengang Interaktive Medien
	\|turnus=Üblicherweise im Jahreszyklus; die Lehrveranstaltung wird nur angeboten, wenn sich genügend Teilnehmer anmelden.		\|turnus=Üblicherweise im Jahreszyklus; die Lehrveranstaltung wird nur angeboten, wenn sich genügend Teilnehmer anmelden.
	\|voraussetzungen=		\|voraussetzungen=Grundlagen der Programmierung und der Mathematik wie sie in den ersten Semestern vermittelt werden.
	\|wird_gehalten=Sommersemester		\|wird_gehalten=Sommersemester
	\|wiederholungspruefung=Nein		\|wiederholungspruefung=Nein
Zeile 18:		Zeile 19:
	\|lehrformen=Seminaristischer Unterricht, Praktikum		\|lehrformen=Seminaristischer Unterricht, Praktikum
	\|verantwortliche=Thomas Rist		\|verantwortliche=Thomas Rist
	~~\|lehrender=Michael Kipp~~
	\|pruefer=Michael Kipp		\|pruefer=Michael Kipp
	\|zweitpruefer=Alexandra Teynor		\|zweitpruefer=Alexandra Teynor
	\|pruefungsart=Klausur		\|pruefungsart=Klausur, Studienarbeit
	\|pruefungsdetails=Dauer 90 Min		\|pruefungsdetails=Dauer der Klausur: 90 Min (Gewichtung: 70 %)<br/>
			Umfang der Studienarbeit: 6 bis 10 Seiten (Gewichtung: 30 %)
	\|benotung=Kommanote		\|benotung=Kommanote
	\|gewichtung=100		\|gewichtung=100
	\|qualifikationsziele=		\|qualifikationsziele=Nach erfolgreicher Teilnahme am Modul sind die Studierenden in der Lage:
	\|literatur=		* Grundprinzipien Neuronaler Netze in mathematischer Notation zu beschreiben
	\|in_handbuch=ja		* Verschiedene Typen und Architekturen Neuronaler Netze und ihre Einsatzgebiete zu unterscheiden
			* Einfache Neuronale Netze und Backpropagation in einer Programmiersprache zu implementieren
			* Für vorgegebene Datensätze in einer Umgebung wie Jupyter Notebook die Daten vorzuverarbeiten, geeignete Netze zuwählen, zu erzeugen und zu trainieren
			* Mit Standardbibliotheken wie TensorFlow, Keras und PyTorch datenbasiert Probleme zu lösen mit Hilfe von Hyperparameter-Tuning, Visualisierung und systematischer Evaluation
			\|inhalte=Supervised Learning
			* Einführung in die Neuronalen Netze (NN)
			* Feedforward-NN und Backpropagation
			* Convolutional NNs am Beispiel Bildverarbeitung
			* Recurrent NNs, Gated Recurrent Units (GRUs), und LongShort-Term Memory (LSTM)

			Unsupervised Learning
			* Hopfield-Netze und Boltzmann-Maschinen
			* Hebbsche Regel
			* Autoencoders
			* Generative Adversarial Networks (GANs)

			Reinforcement Learning (RL)
			* Theorie des RL und Q-learning
			* Deep Q-learning
			\|literatur=* R. Schwaiger, J. Steinwendner (2019): Neuronale Netzeprogrammieren mit Python, Rheinwerk Computing.
			* S. Raschka, V. Mirjalili (2019): Python Machine Learning, 3. Auflage, Packt Publishing.
			* E. Charniak (2019): Introduction to Deep Learning, MIT Press.
			* R.S. Sutton, A.G. Barto (2018): Reinforcement Learning: An Introduction, 2. Auflage, MIT Press.
			\|in_handbuch=Ja
			\|lehrender=Michael Kipp
	}}		}}

Kowa: Die Seite wurde neu angelegt: „{{ModulNeu |studiengang=IAM 2018 |abschnitt=Spezialisierungsphase |modulart=Wahlpflichtmodul |modulkatalog=Informatik |name_en=Computergraphics |verwendbarkeit…“

2020-04-17T09:29:34Z

Die Seite wurde neu angelegt: „{{ModulNeu |studiengang=IAM 2018 |abschnitt=Spezialisierungsphase |modulart=Wahlpflichtmodul |modulkatalog=Informatik |name_en=Computergraphics |verwendbarkeit…“

Neue Seite

{{ModulNeu
|studiengang=IAM 2018
|abschnitt=Spezialisierungsphase
|modulart=Wahlpflichtmodul
|modulkatalog=Informatik
|name_en=Computergraphics
|verwendbarkeit=Bachelorstudiengang Interaktive Medien
|turnus=Üblicherweise im Jahreszyklus; die Lehrveranstaltung wird nur angeboten, wenn sich genügend Teilnehmer anmelden.
|voraussetzungen=
|wird_gehalten=Sommersemester
|wiederholungspruefung=Nein
|semester=IAM 4
|credits=8
|sws=6
|sws_lehre=2
|sws_praktikum=4
|tp=6
|lehrformen=Seminaristischer Unterricht, Praktikum
|verantwortliche=Thomas Rist
|lehrender=Michael Kipp
|pruefer=Michael Kipp
|zweitpruefer=Alexandra Teynor
|pruefungsart=Klausur
|pruefungsdetails=Dauer 90 Min
|benotung=Kommanote
|gewichtung=100
|qualifikationsziele=
|literatur=
|in_handbuch=ja
}}

Modul:IAM (SPO 2018):Neuronale Netze und Deep Learning - Versionsgeschichte

Kowa am 17. April 2020 um 11:29 Uhr

Kowa: Die Seite wurde neu angelegt: „{{ModulNeu |studiengang=IAM 2018 |abschnitt=Spezialisierungsphase |modulart=Wahlpflichtmodul |modulkatalog=Informatik |name_en=Computergraphics |verwendbarkeit…“